离散随机变量的线性贝叶斯预测及其应用.pdfVIP

摘 要 在非寿险精算中，保险公司常关心某个保单的索赔次数，保单的索赔次数 反映了该保单的风险大小。如果可以通过历史数据预测索赔次数，那么保单 定价就会更加的合理。索赔次数常常依赖于该保单的风险特征，这些风险特 征的综合一般用某个风险参数θ来刻画。由于保单的非齐次性，风险参数θ被认 为是随机变量，服从某个先验分布。因此对索赔次数的预测就落入了贝叶斯 框架之中。假设保单在过去若干年内已有索赔次数的损失记录，本文根据保 单组合的索赔记录样本及风险参数的先验分布信息对未来索赔进行预测。本 文研究了非寿险精算中取非负整数值的离散随机变量的预测问题。在第二章 中建立离散型随机变量的贝叶斯模型，根据已有的观测索赔次数和风险参数 的先验信息提出未来索赔次数的预测问题。根据索赔次数的条件分布和风险 参数的先验分布是否已知，分成三种情况进行讨论，比较了不同损失函数下 贝叶斯预测的差别。由于受免赔额和无索赔优待制度的影响，大量低损失保 单没有提出索赔，使得索赔次数为零的保单数被放大，第三章研究了零膨胀 泊松模型下三种损失函数下风险参数的贝叶斯估计，并利用信度理论的方法 研究了风险参数的信度估计，然后通过数值模拟比较贝叶斯估计的优良性。 第四章研究了离散型随机变量的贝叶斯预测在期刊分类中的应用。建立了期 刊质量的贝叶斯模型，在指数族分布下研究期刊质量参数的贝叶斯估计，并 讨论估计的统计性质。讨论了超参数的估计方法，给出超参数的矩估计和边 际极大似然估计。并利用数值模拟的方法对估计的统计性质进行验证，然后 对国内数学类期刊被引用情况给出期刊质量影响因子的校正公式，进行实证 分析。最后，对全文进行了总结并提出了进一步研宄的方向。 关键词: 贝叶斯预测；损失函数；信度估计；零膨胀泊松；期刊影响 因子 I In non-life insurance actuarial, insurance companies often care about the number of expendi- tures of a policy, and it reflects the risk of the policy. If the number of claims can be predicted from historical data, then the policy pricing will be more reasonable. The number of claims often depends on the risk characteristics of the policy, and the synthesis of these risk characteristics is generally characterized by a certain risk parameter θ. Due to the non-homogeneous policy, the risk parameter θ is considered to be a random variable, subject to a prior distribution. Therefore, the prediction of the number of claims falls into the Bayesian framework. Assuming that the policy has lost records of the number of claims in the past several years, this paper predicts future claims based on the sample record of the policy portfolio and the prior distribution of risk parameters. This paper studies the prediction of discrete random variables with non-negative integer values in non-life insurance actuarial